基于OpenPose的摔倒行为检测技术研究

尹志成，徐熙平，孙也尧

（长春理工大学 光电工程学院，长春 130022）

随着中国人口老龄化加剧，高龄人群的出行安全面临巨大挑战，有研究表明，约有28%至35%的65岁以上老人每年至少摔倒一次［1］。高龄人群在摔倒后，极易引发身体损伤，而长时间得不到救治的话，更会导致健康情况进一步恶化等后果。再加上由于青壮年的学习工作压力增加导致的注意力不集中、走路看手机等原因而引发的安全事故，研究一套智能的、行之有效的摔倒行为检测系统迫在眉睫。它对于提高我国的行人出行安全系数、稳定社会公共安全具有重大意义。

目前，主流的摔倒检测方法主要分为两种，一种是基于外部传感器的摔倒检测方法，该方法通常是将传感器放置在室内墙壁、顶棚、地板等环境或手表、衣物等随身穿戴的物品中，以便采集到人体运动数据［2］，继而通过机器学习等算法对采集到的数据进行训练、分析，以达到检测摔倒的目的。一种是基于计算机视觉的摔倒检测方法，该方法则是通过对视频或图像进行特征提取，机械学习、深度学习等算法训练分析的目标为提取到的特征。

两种方法中，传感器的方法需要佩戴外部设备，存在适用范围窄、硬件成本高等问题。而现行的计算机视觉方法存在检测精度低、误检率高等问题。针对上述问题，提出了一种基于OpenPose和CNN的运动目标摔倒检测算法。并自建数据集完成检测实验及数据对比。

1 姿态特征提取

姿态提取作为行为识别的第一个步骤，其所提取到的特征将直接决定行为识别的准确度。……